行业与实践 · 标签「LiveUIBench」

研究与基准测试/2026-10-22/28 分钟

LiveUIBench：评测作为应用工作流的 Agent

复旦与同济等机构提出 Agent as App：智能体生成个性化应用，并在使用中继续执行。LiveUIBench 用 500 项有序任务衡量全工作流完成。打开往往容易，完整走完却少见；部分断言覆盖更高，并不等于完成更多工作流。